گروه عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران.
چکیده
ارزیابی خرابی‌های روسازی یکی از مهمترین عناصر سیستم‌های مدیریت روسازی جهت تعیین راهکار بهینه عملیات ترمیم و نگهداری راه محسوب می‌شود. در دو دهه اخیر، تحقیقات گسترده‌ای پیرامون توسعه روش‌های خودکار جهت شناسایی خرابی‌های روسازی انجام گرفته است. اغلب این روش‌ها بر پایه بینایی ماشین و فنون پردازش تصویر می‌باشند. یکی از مهمترین اجزای تشکیل‌دهنده سیستم‌های بینایی ماشین، فرآیند استخراج ویژگی است. در این پژوهش، پس از برداشت تصاویر شش گروه مختلف از خرابی‌های سطح روسازی آسفالتی در شرایط کنترل شده، به منظور تشخیص و طبقهبندی آن‌ها، از 4 نوع تبدیل چنددقته دوبعدی شامل موجک گسسته Haar، موجک گسسته Daubechies 3، موجک گسسته Coiflet 1 و موجک مختلط دو درختی استفاده گردید. پس از تجزیه تصاویر توسط اعمال تبدیل‌های مذکور، شاخص‌های آماری مرتبه اول بر پایه خصوصیات هیستوگرام و آمارگان مرتبه دوم مبتنی بر ماتریس هم‌رخداد سطوح خاکستری، به منظور آنالیز آماری بافت باند‌های فرکانسی موجک‌ها به‌کارگیری گردید. نتایج حاصل از طبقهبندی تصاویر خرابی بر اساس روش کمینه فاصله ماهالانوبیس، حاکی از آن است که شاخص‌های آماری مرتبه دوم مستخرج از زیرباندهای تبدیل موجک مختلط دو‌درختی و موجک گسسته Haar به ترتیب با دقت کلاس‌بندی 99 درصد و 95 درصد، نسبت به سایر الگوریتم‌های توصیف بافت استفاده شده در این تحقیق، در شناسایی انواع خرابی نتایج بهتری به دنبال داشته است. هم‌چنین شاخص‌های آماری حاصل از ماتریس هم‌رخداد سطوح خاکستری، به طور میانگین با دقت عملکردی 87 درصد، عملکرد برتری نسبت به خصوصیات آماری هیستوگرام در کلاسه‌بندی تصاویر خرابی دارا می‌باشند.
)